面向对象技术在过程控制中的应用研究

将面向对象的程序设计方法有机地与实际工程相结合，大大提高了系统的可靠性，稳定性和程序的开发速度，在分析蒸球蒸煮过程数学模型的基础上，提出了有限步积分带补偿变系数PID算法，该算法用于某造纸厂六个蒸球的工艺曲线跟踪后，蒸球曲线的精度大为提高。     

专家-模糊PID在制浆蒸煮控制系统中的应用

该文在分析造纸厂纸浆蒸煮过程数学模型的基础上．采用模糊PID调节算法结合专家判断组成专家-模糊智能控制器控制蒸球压力,设计了一套自动控制系统。该控制器运用模糊推理实现PID参数的最佳调整,具有自适应的能力;引入专家判断可以减小在压力设定值附近的震荡,减少进入稳定状态的时间,提高效率。生产实践表明,该方法能大大提高跟踪精度。     

基于自适应控制的乒乓球陪练机器人的系统研究与设计

为提高乒乓球陪练机器人的拾球性能,将模糊理论与PID控制技术相融合,并将融合后的模糊PID算法应用于陪练机器人的收集模块中,以此来提高机器人拾球的准确性。将模糊PID算法与MFAC算法以及子空间算法进行性能对比实验,结果显示,基于模糊PID算法的机器人的跟踪误差为0.08,显著低于MFAC算法以及子空间算法的跟踪误差。该结果说明,模糊PID算法的性能优于另外两种算法,将模糊PID算法融入乒乓球陪练机器人中可以有效地提高机器人的拾球效率,从而更好地达到陪练效果。     

基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中，机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合，提出了一种轮式助行机器人轨迹跟踪方法。首先，对轮式助行机器人底盘的运动学模型进行了分析。其次，介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明，与传统PID控制器相比，基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数，使机器人始终按照期望轨迹运动。同时，得益于强化学习的试错机制，控制器具有较强的抗干扰能力。     

电控机械式自动变速车辆发动机转速控制系统的研究

针对传统PID算法在发动机转速控制中难以实现最佳参数问题,提出了利用神经元自适应PID算法对发动机转速进行闭环控制.由于神经元自适应PID 可以在线调整 其参数值,因此当发动机目标转速发生变化时可以通过改变控制参数来实现转速的快速跟踪.实验结果表明使用神经元自适应PID算法对发动机转速控制可以达到快速响应和较高精度的控...     

基于神经网络和PID算法的数控机床并行混合控制模型

针对数控机床低速运动时由于非线性摩擦造成的问题，提出了一种基于神经网络和PID算法的并行混合控制模型．当电机速度大于转换速度时使用PID控制，小于转换速度时使用神经网络控制器．神经网络为5个输入的单神经元，采用Hebb学习算法．分析表明，混合控制器使跟随误差的波动明显减小，机床运动变得平稳．利用可由用户编写伺服算法的多轴运动控制器(PMAC)进行了实验，验证了混合控制器的控制效果．     

跟踪高速球的模糊自适应控制系统研究

跟踪高速球是典型非线性时变系统.在跟踪高速球步进电机的控制上,单独采用传统的PID控制或简单模糊控制难以实现对高速物体的追踪.在分析高速球常规控制模式的基础上,提出并设计了一种模糊PID控制器的方法实现对单轴高速球步进电机的控制,并在此基础上建立三维跟踪轨迹的数学模型,实现对高速物体的立体跟踪.仿真和实际应用表明该控制方法具有更高的轮廓跟踪精度、定位精度和对扰动的鲁棒性.     

智能车十字路口紧急工况复合避撞研究

智能车在十字路口交叉行驶发生紧急危险工况时，车辆的主动避撞安全系统可以控制车辆减速或转向，避免碰撞的发生，提高行驶安全性。文章针对横纵向复合避撞开展研究，搭建了交叉行驶危险工况场景，在复合避撞规划控制上设计了分层的规控策略和解耦的控制策略。上层使用改进的Lattice算法，规划出最优轨迹的S-t曲线以及L-S曲线，下层使用双环PID控制跟踪S-t曲线，利用MPC控制跟踪L-S曲线，最后通过仿真验证复合避撞规控算法的有效性。结果表明，采用的避撞规划控制策略可以最大限度地保障车辆的安全。     

平面向量场与曲率分析在曲面求交中的应用

在曲面求交算法中，初始跟踪点的确定和交线分支的跟踪是最关键的两个问题．本文总结了用平面向量场确定初始跟踪点的算法，给出了使用曲率分析精确计算跟踪方向，并估计跟踪步长的方法．应用平面向量场和曲率分析，作者实现了高效可靠的ＮＵＲＢＳ曲面求交算法．     

一种新型PID控制算法在直流电机跟踪系统中的应用

探讨了自校正积分分离 PID控制算法在直流电机跟踪系统中的应用 ,以满足在实际控制系统中的要求 ;对几种控制算法的效果使用 MATLAB进行仿真比较 ,得出能够很好地满足系统需要的控制要求的算法 ,该算法可应用于直流电机自动跟踪系统中。     

一种模糊PID控制器在制浆蒸煮过程中的应用

在分析造纸厂纸浆蒸煮过程数学模型的基础上，提出了一种模糊PID控制器。该控制器能够自适应地调节比例、积分和微分作用，使系统具有超调量小、鲁棒性、自适应性强、调节时间短的优点，克服了传统PID控制器的缺点。该控制系统用于某造纸厂4个蒸球的蒸煮控制，取得了良好的控制效果。     

基于改进PSO和BP混合优化算法的炉温控制系统研究

针对工业生产中电阻炉温度控制系统所存在的大惯性、大滞后等问题,提出一种应用于电阻炉炉温的基于改进粒子群(PSO,particle swarm optimization)算法的模糊RBF-PID控制策略.在该控制系统中,采用引入惯性权重因子和遗传变异算子的改进粒子群算法对模糊RBF(径向基函数)隶属度函数的初始值进行优化,再用BP(误差反向传播)算法进行细调,并结合模糊推理和RBF学习能力在线调整PID控制参数,从而达到最优的PID控制效果.仿真结果表明,该算法跟踪快、超调小、不易陷入局部极小值,同时鲁棒性和抗干扰性优于传统PID控制.     

非线性系统的模糊免疫PSD控制与仿真

针对模糊免疫PID控制算法中微分与积分增益不能根据系统特性自动调整的问题,提出了一种模糊免疫PSD(Proportional Summation Derivative)控制算法。该方法将自适应PSD算法与模糊免疫PID算法相结合,利用自适应PSD控制算法根据过程误差的几何特性建立的PSD控制规律,使得模糊免疫PID控制算法中的微分和积分增益可以随比例增益的变化而自适应调整,从而进一步提高控制算法的自适应性能。仿真实验表明,采用该算法可以提高非线性、时变系统的控制性能,并能减少参数调整的工作量。     

机器人全局PID模糊滑模跟踪控制与仿真研究

为解决机器人跟踪控制过程中采用PID控制算法会出现抖动和误差的问题,提出了一种机器人全局PID模糊滑模跟踪控制算法.通过将PID滑模控制和模糊控制相结合,设计了全局PID模糊滑模控制;基于模糊规则,对滑模控制增益进行自适应调整,从而消除建模误差和干扰,削弱了控制时产生的抖振,在线调整控制器参数和估计误差,并通过积分来消除外界干扰,因此提高了控制精度.仿真结果表明,与常规的PID算法相比,该方法在处理控制抖动和消除误差以及干扰方面具有极高的鲁棒性.     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。     

模糊自整定PID温度控制系统的建模与仿真

针对炒茶机的加热控制系统跟踪设定的温度值滞后、自动调节加热装置实时性差的问题,设计一种模糊自整定比例积分微分(PID)参数控制器。采用PID控制和模糊控制算法相结合的方法,实现模糊控制对PID参数的调整。利用Matlab在Simulink中建立模型,并对该控制器进行仿真分析。结果表明,模糊PID自整定控制器的超调量 ≈1%,稳态误差es=0。该方法可提高温度控制系统的性能。     

变频恒压供水系统模糊PID混合控制策略研究

针对城市二次供水系统的非线性、随机性、大惯性和纯滞后特性,提出一种模糊PID混合控制策略实现变频恒压供水。该策略在偏差很小时,控制量主要由PID控制算法给出:在偏差较大时,控制量主要由模糊控制算法给出,充分利用了PID控制的高调节精度和模糊控制良好动态响应性能的优点。仿真实验结果表明:该控制策略能较好地解决城市二次供水的水压不稳问题,同时对供水系统模型参数变化具有很好的适应性,在城市二次供水系统中具有广阔应用前景。     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

PID与模糊控制算法的比较及其改进

分析比较了PID控制和模糊控制算法，针对一般PID控制容易产生超调，模糊控制的稳态精度不高的缺陷，提出了相应的改进算法－复合PID算法和带动态补偿的模糊控制算法，并通过水温控制仿真实验，比较了这几种控制算法的控制效果，实验结果证明，这两种改进算法不仅系统超调小，而且具有较高的稳态控制精度，可广泛应用于精确控制领域。     

改进PID在反应釜温度控制系统中的应用研究

反应釜炉温控制是化工生产过程中主要的控制系统之一,其温度控制具有大滞后、时变、非线性等特点.针对常规PID控制效果不佳的缺点,提出一种改进的模糊RBF神经网络智能控制方法.将系统的输入误差及误差变化率进行模糊化,并利用RBF神经网络算法对PID控制参数进行在线学习、运算和整定.在RBF神经网络控制算法中,设定初始权值在一定范围内服从高斯分布和均匀分布,对权值不断优化,使得反应釜温度达到良好的控制效果.经Matlab仿真验证,结果表明和常规PID相比,该方法提高了系统的控制精度并具有较强的鲁棒性.